Javascript - 正则表达式 - 单词边界(\ b)问题

Question

我\b在正则表达式中使用和希腊字符有困难.

在这个例子中 [a-zA-Z??-??-?]*成功地标记了我想要的所有单词(希腊语和英语).现在考虑我想找到2个字母的单词.对于英语,我使用这样的东西: \b[a-zA-Z]{2}\b.你能帮我写一个正则表达式,成功用2个字母标记希腊语单词吗？(为什么？我的最终目标是删除它们).

使用的文字:

希腊单调:Τογάρούνκαιπαρ 'υμίνλεγόμενον,ώςποτεΦαέθωνΗλίουπαίςτοτουπατρόςάρμαζεύξαςδιατομήδυνατόςείναικατάτηντουπατρόςοδόνελαύνειντατ' επίτηςγήςξυνέκαυσεκαιαυτόςκεραυνωθείςδιεφθάρη,τούτομύθουμένσχήμαέχον λέγεται,τοδέαληθέςεστιτωνπερίγήνκαικατ'ουρανόνιόντωνπαράλλαξιςκαιδιάμακρόνχρόνονγιγνομένητωνεπίγήςπυρίπολλώφθορά.

希腊POLYTONIC:Τὸγὰροὖνκαὶπαρ 'ὑμῖνλεγόμενον,ὥςποτεΦαέθωνἩλίουπαῖςτὸτοῦπατρὸςἅρμαζεύξαςδιὰτὸμὴδυνατὸςεἶναικατὰτὴντοῦπατρὸςὁδὸνἐλαύνειντὰτ' ἐπὶτῆςγῆςξυνέκαυσεκαὶαὐτὸςκεραυνωθεὶςδιεφθάρη,τοῦτομύθουμὲνσχῆμαἔχον λέγεται,τὸδὲὲληθέςἐστιτῶνπερὶγῆνκαὶκατ'οὐρανὸνἰόντωνπαράλλαξιςκαὶδιὰμακρὸνχρόνονγιγνομένητῶνἐπὶτῆςγῆςπυρὶπολλῷφθορά.

英语:事实上,在你们国家和我们的故事中讲述了这个故事,曾经的赫利俄斯之子帕森曾经用他的父亲的战车,并且,因为他无法沿着他父亲的路线驾驶它.烧毁了地球上的所有东西,他自己也被雷电摧毁了 - 据说,这个故事具有传说的风格,但它的真实性在于天体中身体的移动.它绕着地球移动,并通过猛烈的火焰摧毁地球上的东西,这种火焰会长时间地复发.

到目前为止我尝试过的:

// 1
txt = txt.replace(/\b[a-zA-Z??-??-?]{2}\b/g, '');

// 2
tokens = txt.split(/\s+/);
txt = tokens.filter(function(token){ return token.length > 2}).join(' ');

// 3
tokens = txt.split(' ');
txt = tokens.filter(function(token){ return token.length != 3}).join(' ') );

我在这里提出了2和3的问题:Javascript - 正则表达式 - 如何删除指定长度的单词

编辑

阅读:

• 为什么我不能在单词边界旁边使用重音字符？
• Javascript + Unicode正则表达式

Answer 1

由于Javascript没有lookbehind功能,并且由于单词边界仅适用于\w角色类的成员,因此唯一的方法是使用组(如果要进行替换,则使用捕获组):

(?m)(^|[^a-zA-Z??-??-?\n])([a-zA-Z??-??-?]{2})(?![a-zA-Z??-??-?])

删除2个字母的示例:

txt = txt.replace(/(^|[^a-zA-Z??-??-?\n])([a-zA-Z??-??-?]{2})(?![a-zA-Z??-??-?])/gm, '\1');

Answer 2

您可以使用\ S

与其写一个“单词字符加这些字符”的匹配项，不如使用一个匹配非空格的正则表达式：

\S

它的范围更广，但更易于编写/使用。

如果范围太广，请使用排除列表，而不要使用包含列表：

[^\s\.]

那就是-不是空格的任何字符，并没有一个点。这样，添加例外也很容易。

不要尝试使用\ b

单词边界不适用于无字母字符，这很容易证明：

> "yay".match(/\b.*\b/)
["yay"]
> "?a?".match(/\b.*\b/)
["a"]

因此，无法\b检测带有希腊字符的单词-每个字符都是匹配的边界。

匹配2个字符的单词

以下模式可用于匹配两个字符词：

pattern = /(^|[\s\.,])(\S{2})(?=$|[\s\.,])/g;

（更准确地说：匹配两个非空白序列）。

那是：

(^|[\s\.,]) - start of string or whitespace/punctuation (back reference 1)
(\S{2})     - two not-whitespace characters (back reference 2)
($|[\s\.,]) - end of string or whitespace/punctuation (positive lookahead)

可以像这样使用该模式来删除匹配的单词：

"input string".replace(pattern);

这是一个jsfiddle，演示了在问题文本中使用的模式。